서울시, 생성형 AI 기반 민원처리 고도화로
응답소 행정 효율·대시민 서비스 개선 필요
민원 증가·복잡화로 행정 부담 심화…AI 기반 민원처리 고도화 필요
서울시 응답소로 접수되는 민원은 최근 수년간 지속적으로 증가하고 있으며, 장문·비정형 민원, 반복·유사 민원, 욕설·비하 표현이 포함된 악성 민원 등 민원 유형 또한 복잡·다양화되고 있다. 이러한 변화는 민원 내용 파악, 적정 처리부서 분류, 반복민원 관리, 응답 작성 전반에서 담당자의 수작업 부담을 가중시키고 있으며, 민원 처리 지연과 행정 서비스 품질 저하로 이어질 우려가 있다. 특히 현행 민원처리 체계는 접수부터 응답까지 대부분의 단계가 담당자 경험과 수작업에 의존하고 있어, 증가하는 민원 규모와 복합성을 구조적으로 대응하는 데 한계를 보이고 있다.
이 연구, 생성형 AI 기반 서울시 응답소 민원처리 고도화 구상·검증
이 연구는 민원 증가와 복잡화로 심화되는 서울시 응답소 민원처리 부담을 완화하기 위해, 생성형 AI 기술을 접수–요약–분류–응답 전 단계에 적용하는 고도화 방안을 제시한다. 국내외 선행사례와 운영 현황 분석을 통해 수작업 중심 처리체계의 한계를 도출하고, 악성 표현 탐지·순화, 장문·비정형 민원 요약, RAG 기반 처리부서 추천, 반복·유사민원 대응을 위한 답변 초안 생성 등 핵심 기능을 설계·실증하였다. 이를 통해 기술별 성숙도와 행정 적용 가능성을 평가하고, 실제 행정환경에서 위험을 최소화하면서 효율 개선 효과를 극대화할 수 있는 단계적 도입 방향을 제안한다.
접수·요약 단계: 악성 표현 대응과 민원 핵심 파악 적용 가능성 확인
접수 단계에서는 욕설·비하 표현으로 인한 담당자 감정노동 부담을 완화하기 위해, 문맥을 고려한 악성 표현 탐지와 행정적으로 수용 가능한 대체 표현을 제안하는 순화 파이프라인을 적용·실증하였다. 그 결과, 신규·우회 표현에 대해서도 안정적인 탐지가 가능했으며, 자동 차단이 아닌 담당자 판단을 보조하는 방식으로 활용할 경우 행정적 위험 없이 실무 적용이 가능함을 확인하였다.
요약 단계에서는 장문·다주제 민원의 핵심 쟁점과 요구 사항을 신속히 파악하기 위해 파인튜닝 기반 소형 언어모델(sLLM)을 적용하고, 요약문과 함께 근거 문장을 제공하는 구조를 설계하였다. 텍스트 민원에서는 주요 쟁점 누락 없이 요지를 압축적으로 제시하는 안정적인 성능을 확인하였으며, 근거 문장 제공은 담당자의 신뢰도와 검토 효율을 높이는 데 기여하였다. 한편 서신·스캔 민원은 OCR 품질이 요약 성능에 직접적인 영향을 미치는 것으로 나타나, 문서 유형에 따라 오픈소스와 상용 OCR을 선택 적용하는 하이브리드 처리 흐름의 필요성을 실증적으로 도출하였다.